дб. Четвертое издание джозеф Джарратано Университет Хьюстон клиэрЛэйк Гари Райли People5oft, Издательский дом "Вильямс" Москва СанктПетербург Киев 2007 ббк 32. 973. 26 018 75 Д
 Скачать 3.73 Mb.
|
|
выполняемому системным проектировщиком при обычном программировании входе обсуждения требований к системе с клиентом, для которого создается программа. Затем инженер познаниям представляет знания в явном виде для внесения в базу знаний. После этого эксперт проводит оценку экспертной системы и передает критические замечания инженеру познаниям. Такой процесс повторяется снова и снова, до тех пор, пока эксперт не оценит результаты работы системы как удовлетворительные. Выражение система, основанная на знаниях, представляет собой лучший термин для обозначения технологии, основанной на знаниях, поскольку он может применяться для обозначения и экспертных систем, и систем, основанных на знаниях. Но термин экспертная система (подобно термину искусственный интеллект) в наши дни принято использовать для обозначения и экспертных систем 1.4. Общие понятия экспертных систем 41 Рис. 1.4. Процесс разработки экспертной системы и систем, основанных на знаниях, даже если знания, представленные в системе, не находятся на уровне, достойном эксперта-человека. Вообще говоря, процесс создания экспертных систем намного отличается от процесса разработки обычных программ, ведь в экспертных системах рассматриваются задачи, не имеющие удовлетворительного алгоритмического решения, поэтому для достижения приемлемого решения используются логические выводы. Алгоритм — это идеальное решение задачи, поскольку он гарантирует получение ответа за конечное время [6]. Но алгоритм может стать неудовлетворительным после увеличения масштабов той же задачи, и с этим связана необходимость применения искусственного интеллекта. Следует отметить, что приемлемое решение — это почти самое лучшее, на что мы можем рассчитывать, если отсутствует алгоритм, который позволил бы нам достичь оптимального решения. Поскольку в основе функционирования экспертной системы лежит логический вывод, такая система должна обладать способностью объяснить свои рассуждения, чтобы можно было их проверить. Поэтому неотъемлемой частью любой сложной экспертной системы является средство объяснения. В действительности могут быть разработаны сложные средства объяснения, позволяющие пользователю исследовать многочисленные строки с вопросами наподобие "Что будет, если... ", называемые гипотетическими рассуждениями Глава 1. Введение в экспертные системы Некоторые технологии экспертных систем позволяют даже создавать системы, изучающие правила на примерах с помощью вывода правил методом индукции, в котором система создает правила на основе данных. Формализация знаний экспертов в виде правил — нелегкая проблема, особенно если знания экспертов еще до сих пор систематически не исследовались. В знаниях эксперта могут быть несовместимости, двусмысленности, повторы или другие недостатки, которые не становятся очевидными до тех пор, пока не будут предприняты попытки формально представить эти знания в экспертной системе. К тому же эксперты должны знать пределы своих знаний и объективно оценивать качество своего совета в тех условиях, когда задача по своей сложности достигает их границ незнания. Кроме того, человек, выполняющий роль эксперта, знает, когда нужно "нарушить правила. А если в проект экспертной системы явно не заложены способности справляться с неопределенностью, то система будет выдавать рекомендации с прежней уверенностью, даже если предоставляемые ей данные являются слишком неточными или неполными. Рекомендации экспертной системы, как и рекомендации эксперта-человека, должны корректно показывать снижение своего качества по мере приближения к границам незнания, а не внезапно становиться ложными. В наши дни одним из практических ограничений многих экспертных систем является нехватка причинных знаний. Это означает, что в экспертной системе фактически отсутствуют сведения об основополагающих причинах и результатах в контролируемой системе. Дело в том, что экспертные системы гораздо проще запрограммировать с использованием поверхностных знаний, основанных на эмпирических и эвристических знаниях, чем с помощью глубоких знаний, основанных на понимании базовой структуры, функций и поведения объектов. Например, гораздо проще запрограммировать экспертную систему, которая назначала бы прием аспирина для пациента с головной болью, чем запрограммировать все базовые биохимические, физиологические, анатомические и неврологические знания о человеческом теле. Программирование причинно-следственной модели человеческого тела оказалось бы чрезвычайно сложной задачей, и даже в случае ее успешного выполнения время отклика системы, по-видимому, было бы исключительно продолжительным, поскольку приходилось бы обрабатывать всю информацию, имеющуюся в системе. Одним из типов поверхностных знаний являются эвристические знания термин эвристика происходит от греческого слова и означает обнаружение. В отношении эвристических решений не предоставляется гарантия того, что они окажутся успешными в такой же степени, как и алгоритмы, обеспечивающие гарантированное решение задачи. Вместо этого эвристики представляют собой эмпирические правила или эмпирические знания, приобретенные на основании опыта, которые могут способствовать достижению решения, ноне гарантируют успешную работу. Однако во многих областях, таких как медицина и инженерия, эври- 43 1.5. Характеристики экспертной системы 1.5 Характеристики экспертной системы Экспертная система обычно проектируется таким образом, чтобы она обладала описанными ниже общими характеристиками. ° Высокая эффективность. Система должна обладать способностью давать ответы на уровне компетентности, равной или более высокой по сравнению с экспертом в данной области. Это означает, что качество рекомендаций, предоставляемых системой, должно быть неизменно высоким. ° Приемлемое время отклика. Система должна выполнять свою работу за приемлемое время, сопоставимое или лучшее по сравнению стем, которое стики играют важную роль в решении задач некоторых типов. А иногда, даже если известно точное решение, может оказаться непрактичным применение алгоритма для его получения из-за ограничений по стоимости или времени. Эвристики могут обеспечить поиск удобных сокращенных путей, позволяющих уменьшить затраты времени и ресурсов. Еще одна проблема, с которой сталкиваются экспертные системы, состоит в том, что представленные в них экспертные знания ограничиваются областью знаний, представленной в системе. Типичные экспертные системы неспособны обобщать свои знания с использованием аналогий для рассуждения о новых ситуациях, а люди на это способны. Безусловно, такое состояние дел немного улучшается благодаря применению индукции правил, но указанный способ позволяет помещать в экспертную систему лишь определенные ограниченные типы знаний. Общепринятый способ создания экспертной системы состоит в том, что инженер познаниям повторяет цикл, состоящий из этапов проведения интервью с экспертом, создания прототипа, проверки, проведения еще одного интервью и т.д.; поэтому создание системы представляет собой трудоемкую задачу, отнимающую много времени. В действительности указанная проблема переноса человеческих знаний в экспертную систему является столь важной, что получила название узкого места в процессе приобретения знаний. Это — описательный термин, поскольку узкое место в процессе приобретения знаний влияет на процесс создания экспертной системы также, как узкое место в горлышке бутылки влияет на заполнение ее жидкостью. Несмотря на указанные ограничения экспертных систем, существующие в настоящее время, экспертные системы показали свою способность успешно решать практические задачи, которые невозможно было решить с помощью обычных методологий программирования, особенно в тех условиях, когда приходится пользоваться неопределенной или неполной информацией. Это означает, что очень важно знать преимущества и недостатки любой технологии, чтобы использовать ее должным образом Глава 1. Введение в экспертные системы требуется эксперту, чтобы выработать решение. Экспертная система, для которой требуется год, чтобы получить решение, тогда как эксперту- человеку достаточно одного часа, никому ненужна. К тому же временные ограничения, регламентирующие производительность экспертной системы, могут оказаться особенно жесткими в случае систем реального времени, когда ответ должен быть получен в течение определенного интервала времени, например, как при посадке самолета в тумане. Высокая надежность. Экспертная система должна быть надежной и не подверженной сбоям, так как в противном случае ее использование станет невозможным. ° Доступность для понимания. Система должна быть способной объяснить все этапы своих рассуждений, осуществляемых входе выработки решения, чтобы ее работа была доступной для понимания. Система не может быть просто "черным ящиком, который вырабатывает загадочный ответ, и должна предоставлять возможность получить объяснение по такому же принципу, как эксперты-люди могут объяснить свои рассуждения. Такая характеристика важна по нескольким описанным ниже причинам. Одна из причин состоит в том, что от ответов экспертной системы иногда зависят жизнь и собственность человека. Поскольку ошибки могут обойтись очень дорого, экспертная система должна быть способной обосновать свои заключения по такому же принципу, как эксперт-человек может объяснить, на каком основании он пришел к определенному заключению. Таким образом, применение средства объяснения позволяет пользователям провести профилактическую проверку рассуждений системы. Еще одна причина, по которой желательно предусмотреть средство объяснения, связана с тем, что на этапе разработки экспертной системы необходимо неоднократно убеждаться в том, что система правильно получила знания и правильно их использует. Такая возможность является исключительно важной при отладке, поскольку знания могут быть неправильно введены из-за опечаток или просто оказаться ошибочными из-за того, что инженер познаниями эксперт неправильно поняли друг друга. Хорошее средство объяснения позволяет эксперту и инженеру познаниям проверять точность введенных знаний. Кроме того, учитывая то, какой способ обычно применяется для создания экспертных систем, очень сложно читать длинные листинги программ и разбираться в их работе. Дополнительным источником ошибок могут оказаться непредвиденные взаимодействия в экспертной системе. Такие взаимодействия могут быть обнаружены путем прогона тестовых примеров, связанных с известными рассуждениями, которым должна следовать система. Как будет подробно описано ниже, к каждой конкретной ситуации, в отношении которой система проводит свои рассуждения, может быть применено множество правил. Поток выполнения в экспертной си. Характеристики экспертной системы 45 стеме не является последовательным например, невозможно просто прочитать код программы строка за строкой и понять, как работает таили иная система. Порядок, в котором в систему были введены правила, не обязательно становится порядком, в котором эти правила выполняются. Экспертная система во многом функционирует как параллельная программа, в которой правила действуют как независимые процессоры знаний. ° Гибкость. Безусловно, любая экспертная система может содержать большой объем знаний, поэтому важно иметь эффективный механизм добавления, модификации и удаления знаний. Одна из причин, по которой системы на основе правил нашли столь широкое распространение, обусловлена предусмотренными в них возможностями эффективного и модульного хранения правил. В зависимости от системы средство объяснения может быть простым или сложным. Простое средство объяснения в системе, основанной на правилах, может просто предусматривать составление списка всех фактов, которые привели к выполнению самого последнего правила, а более сложные системы могут выполнять действия, описанные ниже. Составление списка всех соображений за и против конкретной гипотезы. Термин гипотеза обозначает цель, которая должна быть доказана например, в медицинской диагностической экспертной системе гипотезой может стать утверждение "У пациента имеется столбнячная инфекция. При решении реальной задачи может быть выдвинуто несколько гипотез, или, как в данном примере, пациент может фактически иметь одновременно несколько заболеваний. Гипотеза представляет собой утверждение, истинность которого находится под сомнением и которое должно быть доказано. После того как выдвинута цель, формируются подцели, являющиеся более простыми, и этот процесс продолжается до тех пор, пока не появятся достаточно простые подцели, которые могут быть решены. Такой метод решения задачи представляет собой классический метод, организованный по принципу разделяй и властвуй, который является основой обратного логического вывода, рассматриваемого водной из следующих глав. Составление списка всех гипотез, которые позволяют объяснить наблюдаемое свидетельство. ° Поиск объяснений для всех следствий гипотезы. Например, если принято предположение что у пациента действительно имеется столбняк, то должны быть свидетельства о наличии высокой температуры, возникающей в результате развития инфекционного заболевания. Если этот симптом в дальнейшем действительно обнаруживается, то степень доверия к тому, что гипотеза истинна, увеличивается. Если же этот симптом не наблюдается, то степень доверия к истинности гипотезы уменьшается Глава 1. Введение в экспертные системы ° Выдача прогноза, или предсказания того, что произойдет, если гипотеза является истинной. ° Обоснование необходимости предъявления программой вопросов пользователю для получения дополнительной информации. Эти вопросы можно использовать, чтобы направить цепь рассуждений по наиболее перспективным путям получения диагноза. При решении большинства практических задач попытка исследовать все возможности оказывается слишком дорогостоящей или требующей много времени, поэтому должны быть предусмотрены определенные способы, позволяющие направить поиск к правильному решению. Например, достаточно представить себе, какие затраты времени и денег и какие сложности связаны с проведением всех возможных медицинских анализов для пациента, который жалуется на фарингит (очень выгодных для медицинского предприятия, но очень затруднительных для пациента. ° Обоснование знаний, используемых в программе. Например, если программа указывает, что является истинной гипотеза "У пациента имеется столбнячная инфекция, то пользователь может потребовать объяснения. А программа может обосновать свой вывод на основании правила, которое гласит, что если пациент имеет положительные результаты анализа крови на наличие столбняка, то у пациента имеется столбняк. После этого пользователь может потребовать, чтобы программа обосновало это правило. Программа может ответить, указав, что положительные результаты анализа крови на наличие определенного заболевания являются доказательством наличия этого заболевания. К сожалению, при этом могут игнорироваться ложно положительные результаты, как описано водной из следующих глав. В данном случае программа фактически ссылается на метаправила, представляющие собой знания о правилах. Префикс "мета" означает "свыше" или "дальше". Создаются специальные программы, способные явно выводить новые правила с использованием процесса, называемого машинным обучением. Гипотеза обосновывается знаниями, а знания — гарантией того, что эти знания являются правильными. Гарантия по существу представляет собой метаобъяснение, которое показывает, почему объяснение экспертной системой своих рассуждений является правильным. В системе, основанной на правилах, знания могут легко наращиваться инкрементно; в этом состоит одна из причин, по которой экспертные системы оказались настолько успешными. Таким образом, база знаний может постепенно наращиваться по мере добавления правил, стем, чтобы можно было непрерывно проверять производительность и обоснованность системы. Этот способ аналогичен тому, с помощью которого ребенок каждый день усваивает новые знания и проверяет их правильность. Если правила спроектированы должным об. Разработка технологии экспертных систем 47 разом, то взаимодействия между правилами могут быть сведены к минимуму или полностью устранены в целях защиты от непредвиденных побочных эффектов. Возможность инкрементного наращивания знаний способствует упрощению процесса ускоренного создания прототипа, чтобы инженер познаниям мог быстро показать работающий прототип экспертной системы. Эта особенность является очень важной, поскольку поддерживает заинтересованность экспертов и руководителей в успехе проекта. Кроме того, ускоренное создание прототипа позволяет быстро обнаруживать любые пропуски, несовместимости и ошибки в знаниях эксперта или в системе чтобы можно было немедленно внести исправления. 1.б Разработка технологии экспертных систем Истоки экспертных систем лежат во многих научных дисциплинах особо следует отметить область психологии, посвященную исследованию обработки информации человеком, — когнитологию, или науку опознании. Изучение процесса познания — это изучение того, как люди усваивают или обрабатывают информацию. Иными словами, когнитология — это наука о том, как мыслят люди, особенно входе решения задач. Для обеспечения лучшего обучения был разработан целый ряд когнитивных инструментальных средств [63]. Еще один важный принцип, который должен быть воплощен в машинах искусственного интеллекта, состоит в том, что такие машины должны обладать способностью распознавать знаки проведение исследований в этом направлении является основой научной области, называемой семиотикой [24]. Семиотика изучает не такие простые, визуально различимые знаки, как знака все понятие знака в целом. Знаком называется то, что представляет нечто другое. Например, если высмотрите фильм с музыкальным сопровождением, то общепринятым знаком, показывающим, что вскоре произойдет какое-то приятное событие, является повышение тона и ускорение ритма музыки. Аналогичным образом, знаком, свидетельствующим о том, что должно произойти неприятное событие, является замедление музыки и снижение тона. В музыке, фильмах, на телевидении ив повседневной жизни применяется многоразличных невербальных знаков. Например, если человек лжет или не может откровенно ответить на какой-то вопрос, то обычно опускает глаза. До сих пор нагрузка по восприятию всех этих знаков, возлагаемая на интеллектуальные машины, разрабатываемые для использования в реальном мире, была слишком высока. Простого программирования, позволяющего понимать слова, недостаточно такие машины должны также понимать основополагающий смысл знаков. Изучение процесса познания является очень важным, если мы хотим наделить компьютеры способностью эмулировать экспертов-людей. |